大数据下民航运输路线自动变更系统设计

为了提高民航运输路线规划统计和调度能力,从而指导民航运输路线管理,提出一种基于大数据的民航运输路线规划自动变更系统。采用ZigBee分布式组网信息调度技术进行民航运输路线规划统计大数据提取,结合民航路线组网信息识别和模式调度进行民航运输路线规划统计大数据采样后的关联属性特征提取,采用大数据自适应规划技术进行民航运输路线自动变更的大数据模糊聚类和属性特征识别处理,构建物联网信息管理平台进行民航运输路线自动变更数据的分布式协同调度,在物联网簇中将所有成员节点采集的民航运输路线规划统计数据进行均衡配置,采用关联积分学习方法进行民航运输路线规划统计大数据分类处理,根据分类结果实现对民航运输路线规划的分布式协同调度。在RMS MultiMeter集成信息处理器中实现民航运输路线自动变更系统开发设计。系统测试结果表明,该系统能有效实现民航运输路线自动变更和规划设计,系统的可靠性较高,稳定性较好。     

信息过滤的模糊聚类模型

针对Internet信息过滤问题,运用模糊聚类方法建立了一个用于信息过滤的聚类模型。该模型不仅考虑了文档间的语义联系,而且,又对文档集进行了进一步的分类,增强了类内的耦和性,减少了类间的关联性。最后,给出了一个模糊聚类算法。     

基于CloudSim的分类负载均衡调度模型

针对传统的集群调度模型效率低下不足以满足用户需求的问题,本文提出一种基于模糊聚类的分类负载均衡调度模型。首先,构建任务请求的指标体系以完成数学模型的建立;接着,采用基于模糊C均值聚类算法的改进算法对请求分类,即用改进的最小支撑树算法获取初始中心,有效性测度获取其分类个数,BP神经网络算法提高其学习能力;然后,采用两次分类的方法对服务器分类,预聚类对服务器进行功能预聚类,模糊关联聚类按处理负载能力对其分类;最后将分类调度模型在CloudSim下仿真实验,通过对比其他调度算法得到分类调度模型更具适应性和高效性,具有工程指导意义。     

基于用户模糊聚类的协同过滤推荐研究

传统的协同过滤算法没有考虑用户的自身信息对评分的影响,存在的数据稀疏性、扩展性差等弊端直接影响了推荐系统的推荐质量。对此提出了一种基于用户情景模糊聚类的协同过滤推荐算法。首先根据用户情景信息利用模糊聚类算法得到情景相似的用户群分类,然后在进行协同过滤前预先通过Slope One算法填充用户一项目评分矩阵,以有效改善数据稀疏性和实时性。实验结果表明,改进后的算法在推荐精度上有较大提高。     

具有自校核功能的配电网调度方法

为了提高配电网运行效率，及时发现配电网中异常数据信息，设计一种新型的配电网调度方案。该方案硬件包括调度控制中心、监控中心、调度计算等模块，能够向不同的区域提供配电网电力资源，并保证电力设备安全。该方法还采用ARM系列的LPC2214微处理器和DSP数据处理器，实现配电网不同区域信息的校核与调度；在进行调度数据信息时，通过聚类算法对不同异常信息类型进行分类，提高校核能力；又通过算法模型对不同调度数据信息进行评估，提高数据评估能力。通过试验，该方法大大提高了配电网调度能力，数据分析准确度高。     

气象信息电子采集系统错误数据排除方法仿真

研究气象信息电子采集系统中的错误数据准确排除优化问题.当前的气象信息电子采集设备中,对采集数据的校验能力不强,很难做到准确的分类和智能判断,缺少必要的错误信息剔除机制,给后期气象信息的操作带来困扰.为了避免上述缺陷,提出了一种用二次模糊聚类算法的气象信息电子采集系统中错误排除方法.并采用均值聚类方法,对气象信息进行初始分类.利用二次模糊聚类方法,对不同类别中的信息进行错误信息筛选,从而实现错误数据排除.实验结果表明,利用改进算法能够有效提高气象信息电子采集系统获取结果的准确性,为后期的气象信息操作提供了精确的数据基础.     

基于减聚类的遗传模糊的协同过滤算法研究

通过对传统协同过滤算法中存在的问题以及解决情况进行分析,论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法,利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分,更好地发挥遗传算法的全局搜索能力,加快收敛速度,同时也能够很好地解决数据稀疏性带来的冷启动问题.     

基于层次分析的客服中心实时数据流自动监测方法

为了提高客服中心的智能管理和信息调度能力,结合大数据分析方法进行客服中心实时数据监测和自动采集设计。提出一种基于模糊规则特征量挖掘和层次分析聚类的客服中心实时数据流自动监测方法。建立客服中心的网格分布结构模型并进行客服中心实时数据流监测统计特征分析,进行客服中心实时监测数据属性集的向量量化特征分解,对客服中心实时数据采用信息融合和模糊层析性分析方法实现信息融合,进行关联数据自适应特征提取,挖掘客服中心实时监测数据信息流的正相关性特征量。在层次性聚类算法基础上采用自回归分析进行客服中心实时数据流的模糊聚类和信息预测,提高客服中心实时数据监测的准确性,同时降低了客服服务中心数据流监测的风险。仿真结果表明,采用该方法进行客服中心实时数据监测的聚类性较高,预测性较好,能降低数据聚类的误分率,提高了客服中心实时数据监测能力。     

基于数字图像技术的卵石模糊聚类

为了实现卵石分类数字化,利用数字图像技术获取卵石图像边缘信息,基于最小二乘圆度误差概念构建出一种新的描述卵石形状的参数系统。应用模糊数学原理,使用最大树法对从野外采集的卵石样本进行了模糊聚类识别实验;选取不同的聚类模糊度,结果对应不同的聚类细度、不同的模糊分类准度。对其中一种聚类结果,将实物图与几种标准图进行数据对比确定了图形分类特征,并使用多维平面图法进行聚类结果分析,进一步证明了直观判断卵石形状特征参数与模糊聚类关系的可行性。实验表明,该卵石分类法具有一定的实用性和先进性。     

不平衡数据加权集成学习算法

针对传统的机器学习算法对不平衡数据集的少类分类准确率不高的问题,基于支持向量机和模糊聚类,提出一种不平衡数据加权集成学习算法。首先提出加权支持向量机模型(Weighted Support Vector Machine,WSVM),该模型根据不同类别数据所占比例的不同,为各类别分配不同的权重,然后将WSVM与模糊聚类结合提出一种新的集成学习算法。将本文提出的算法应用于人造数据集和UCI数据集实验中,实验结果表明,所提出的算法能够有效地解决不平衡数据的分类问题,具有更好的分类性能。     

面向信息服务的多层次过滤模糊聚类方法研究

如何从网络上获取真正需要的信息是企业信息服务所面临的一个重要问题。通过信息过滤技术,可以获取企业需要的信息。为了提高企业信息过滤的准确性,文章给出了文本相似度的混合算法,减轻了干扰特征项对分类结果的影响,并在此基础上提出了多层次过滤模糊聚类方法,主要解决处于聚类边缘点信息的分类模糊性问题。仿真结果显示采用多层次过滤模糊聚类方法提高了文本信息过滤效果。     

基于融合模糊聚类算法的云信息存储加密仿真

为了提高云信息存储的安全性,需要进行信息加密设计,提出基于融合模糊聚类算法的云信息存储加密算法。在同态公钥加密体系下构建云信息存储加密的数据分布式结构模型,提取云存储信息加密统计特征量,采用同态数据融合方法进行云信息的模糊聚类处理,结合模糊C均值聚类方法进行云信息的分段融合调度;在分段区间内采用随机线性编码方案进行云信息存储加密的编码设计,基于融合模糊聚类算法构建加密密钥,实现云信息存储加密优化设计。仿真结果表明,采用该方法进行云信息存储加密的信息融合性较好,抗破译能力较强,提高了云存储数据的安全性。     

基于支持向量机的模糊系统辨识研究

GK模糊聚类是一类广泛应用于分类的数据分析技术,能智能探测不同聚类的形状,但是存在迭代过程中聚类数恒定、公式中协方差矩阵要求非零等缺点。本文针对这些缺点,提出改进的聚类算法,针对现有的模糊辨识算法出现的维数灾难及函数逼近能力不高等问题,以语言模糊模型和缺少常数项的支持向量回归机的等价性分析为基础,提出一种支持向量机与模糊系统相结合的新辨识算法,并且利用梯度下降法对参数进行辨识;为了更好地缩减规则数及体现样本数据的信息,对输入的样本集又采用改进的GK模糊聚类对数据进行分类。     

结合模糊聚类的遗传算法在网络信息过滤中的应用

在基于遗传算法的信息过滤系统中引入模糊聚类思想,对种群中的每个个体进行模糊相似矩阵直接聚类,然后根据聚类的结果采用所提出的适应度函数来评估种群的适应度,通过迭代训练得出更准确的用户兴趣模板,从而提高了信息过滤的准确率。并且将该方法应用到了所设计的网络信息过滤系统中,进行了验证。     

基于改进混沌分区算法的模糊信息抽取

在大数据环境下进行模糊信息挖掘抽取中受到数据之间的小扰动类间干扰的影响,导致信息抽取的特征聚类性不好。为此提出一种基于改进混沌分区算法的模糊信息抽取方法,对高维数据信息流进行分布式结构重组,以Lorenz混沌吸引子作为训练测试集进行大数据模糊信息抽取的自适应学习训练,采用相空间重构技术对大数据的混沌吸引子负载特征量进行自相关特征匹配处理,提取模糊信息的平均互信息特征量,结合关联规则模糊配对方法进行大数据混沌分区,实现模糊信息的优化聚类,根据数据聚类结果实现模糊信息准确抽取,对抽取的高维模糊信息进行特征压缩,降低计算开销。仿真结果表明,采用该方法进行大数据样本序列的模糊信息抽取的聚类性较好,抗类间扰动能力较强,模糊信息抽取的准确概率较高,在数据挖掘和特征提取中具有很好的应用价值。     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.     

基于聚类集成的高铁故障诊断分析

聚类集成是对若干独立基聚类器的结果进行组合,从而得到一个对原始数据最优的聚类结果.聚类集成能够减小噪声和孤立点对结果的影响,同时增强聚类结果的鲁棒性和稳定性.从3方面阐述了基于聚类集成的高铁故障诊断分析:1)将原始高铁仿真数据通过傅里叶变化把信号从时域转换到频域,再用不同的特征选择算法进行数据预处理分析;2)分别采用Affinity Propagation(AP)、模糊C均值(FCM)、高斯混合模型(EmGauussian)、Kmeans 4种不同的聚类算法对预处理后的数据进行分析比较;3)引入HGPA、MCLA、CSPA 3种不同聚类集成模型,将得到的基聚类结果分别进行集成.首次把聚类集成算法运用于高铁故障分析中,对比实验结果表明,该方法相比于单个的聚类算法能够更准确有效地进行高铁故障诊断.     

变电站综合自动化系统远动指标统计算法

为了提高变电站综合自动化系统远动指标统计分析能力,需要对变电站综合自动化系统远动指标进行统计处理,提出一种基于模糊聚类和关联规则挖掘的变电站综合自动化系统远动指标统计分析算法。采用分段检验分析方法进行变电站综合自动化系统远动指标的信息采集,提取变电站综合自动化系统远动指标的关联规则特征量,结合模糊融合聚类方法进行变电站综合自动化系统远动指标的大数据聚类处理,采用互信息特征检测方法,进行变电站综合自动化系统远动指标的大数据挖掘和信息检测,根据特征检测结果采用分段模糊聚类方法进行特征归类处理,在聚类空间中实现变电站综合自动化系统远动指标统计分析。仿真结果表明,采用该算法进行变电站综合自动化系统远动指标的统计分析能力较强,大数据聚类性较好,提高了指标统计分析和决策能力。     

伴随时间的模糊聚类协同过滤推荐算法

随着用户对推荐的准确性和实时性需求的不断提高,从海量用户历史数据中挖掘出用户需要的准确信息是一个极有价值的研究方向.基于模糊聚类的协同过滤算法首先要解决数据稀疏问题,对原始的用户评分数据进行预处理,采用SMOTE过采样技术填充数据有效解决了数据稀疏问题;然后利用模糊聚类实现评分数据的分类,结合艾宾浩斯遗忘曲线,将用户评价的时间戳作为因子对聚类后的数据进行评分预测,以此改善用户爱好随时间变化对推荐效果的影响,解决实时性问题.在M ovieLens-100k数据集上的实验结果表明,伴随时间的模糊协同过滤推荐可以明显提高推荐算法的准确性.     

基于SVM的大数据信息过滤方法研究

为了提高互联网的运行效率,根据支持向量机（Support Vector Machine,SVM）模型的支持向量机算法,研究了一种大数据信息过滤方法。首先,分析网络大数据信息的特征选择,为大数据信息的过滤方法提供数据基础;其次,构建大数据过滤模型,根据SVM的数据分类特性,确定大数据过滤模型的决策函数,引入核函数对决策函数进行参数优化,保证大数据信息过滤方法的准确性;最后,结合特征向量在分类面的距离权重与密度权重,计算模型的选择权重,实现大数据信息的精准过滤。实验结果表明,设计方法的信息过滤准确性较高,能够提高运行效率。